PM2.5空气污染，人口暴露于超出WHO指南值水平（占总人口百分比）

PM2.5 air pollution, population exposed to levels exceeding WHO guideline value (% of total)

下载数据

指标代码：EN.ATM.PM25.MC.ZS所属主题：环境：排放Environment: Emissions

2017最新有效年份

186最新年份有值国家

265历史上有数据经济体

83%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Percent of population exposed to ambient concentrations of PM2.5 that exceed the WHO guideline value is defined as the portion of a country’s population living in places where mean annual concentrations of PM2.5 are greater than 10 micrograms per cubic meter, the guideline value recommended by the World Health Organization as the lower end of the range of concentrations over which adverse health effects due to PM2.5 exposure have been observed.

可供参考的中文翻译：暴露于环境PM2.5浓度超出WHO指南值的人口比例，定义为生活在年均PM2.5浓度大于10微克/立方米地区的国民占比。10微克/立方米是WHO建议的健康影响观察临界范围下限值。

数据口径与风险提示

本指标为比例指标，仅反映暴露于超标浓度地区的人口占比，不反映绝对受害人数规模
中国数据长期接近100%饱和值，数值变化极小（约0.0017个百分点），难以体现空气质量改善的实际进展
不同国家PM2.5监测网络密度和质量存在差异，部分地区数据基于估算而非实测
该指标使用年均浓度，未区分短期峰值暴露的健康风险差异
人口居住地与监测站点分布可能存在空间不匹配
部分发展中国家和地区可能存在监测数据缺失或覆盖不足的问题
WHO指南值为健康风险观察的低限阈值，不代表绝对安全阈值
该比例变化可能同时受空气质量改善和人口迁移流动的双重影响

中国趋势

趋势解读

中国该指标在1990年至2017年间始终处于接近100%的极高水平，未出现实质性变化。具体而言，1990年该指标为100.0%，至2017年微降至99.9983%，整体变化幅度仅为约0.0017个百分点。这一微幅下降在统计上意义有限，在实际空气质量改善评估中参考价值较低。中国几乎全体人口长期生活在年均PM2.5浓度超过WHO指南值的地区，反映了上世纪末至本世纪初中国空气污染问题的严峻性。数据的高饱和特征使得该指标难以敏感捕捉污染治理进展。

1990年该指标值为100.0%，为统计期内最高点
1995年该指标值仍维持在100.0%
2000年该指标值为99.999996%，首次出现微小变化
2005年该指标值约为99.999997%
2010年该指标值约为99.999997%
2014年该指标值降至约99.999958%
2017年该指标值降至99.9983%，为统计期内最低点
末期值与期初值之比为0.99998，变化率约为-0.002%

全球趋势

趋势解读

全球该指标在1990年至2017年间呈现持续下降态势，从期初的95.33%降至期末的91.41%，整体下降约3.93个百分点。具体变化呈现阶段性特征：1990年代至2011年前后，全球暴露于超标PM2.5浓度的人口比例在95%左右波动，2011年达到统计期高点95.82%；此后持续下行，2017年降至91.41%的最低点，近年下降速度明显加快。该指标反映了过去二十余年间全球空气污染治理取得了一定进展，更多人口得以生活在空气质量相对较好的地区。

1990年全球该指标值为95.33%
1995年约为95.20%
2000年约为95.25%
2005年约为95.49%
2010年约为95.20%
2011年达到高点95.82%，为统计期内峰值
2012年约为94.54%
2014年约为92.76%

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1970-1979	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1980-1989	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1990-1999	1.0x	1.0x	该十年间中国该指标基本维持在100%饱和水平，变化倍数约为1.0倍；同期全球该指标倍数约为0.999倍，下降幅度极小。这一阶段中西方该指标均处于高位平台期，可能反映了当时全球普遍面临的大气污染状况。
2000-2009	1.0x	1.0x	该十年间中国该指标倍数约为1.0倍，几乎无变化；全球该指标倍数约为1.002倍，略有上升。此阶段恰逢中国工业化快速发展期，空气质量改善尚未成为政策优先目标，而全球范围内空气质量治理进展同样缓慢。
2010-2019	1.0x	1.0x	该十年间中国该指标倍数约为0.99998倍，微降至饱和水平以下；全球该指标倍数约为0.960倍，降幅明显（约4%）。中国该指标变化极小主要受饱和效应制约，而全球降幅显著可能反映了部分国家和地区在能源转型、排放标准收紧等方面的政策成效。两者的差异可能意味着全球空气质量管理在部分区域取得突破，但这些改善相对于中国庞大的暴露人口基数而言在全球平均值中占比较小，不足以带动中国数据显著变化。
2020-2029	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。

2017 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Afghanistan 阿富汗	AFG	100.0
2	Algeria 阿尔及利亚	DZA	100.0
3	Angola 安哥拉	AGO	100.0
4	Antigua and Barbuda 安提瓜和巴布达	ATG	100.0
5	Armenia 亚美尼亚	ARM	100.0
6	Azerbaijan 阿塞拜疆	AZE	100.0
7	Bahrain 巴林	BHR	100.0
8	Bangladesh 孟加拉国	BGD	100.0
9	Barbados 巴巴多斯	BRB	100.0
10	Belize 伯利兹	BLZ	100.0
11	Benin 贝宁	BEN	100.0
12	Bhutan 不丹	BTN	100.0
13	Botswana 博茨瓦纳	BWA	100.0
14	Burkina Faso 布基纳法索	BFA	100.0
15	Burundi 布隆迪	BDI	100.0
16	Cabo Verde 佛得角	CPV	100.0
17	Cambodia 柬埔寨	KHM	100.0
18	Cameroon 喀麦隆	CMR	100.0
19	Central African Republic 中非共和国	CAF	100.0
20	Chad 乍得	TCD	100.0
21	Comoros 科摩罗	COM	100.0
22	Congo, Dem. Rep. 刚果（金）	COD	100.0
23	Congo, Rep. 刚果（布）	COG	100.0
24	Cote d'Ivoire 科特迪瓦	CIV	100.0
25	Cyprus 塞浦路斯	CYP	100.0
26	Djibouti 吉布提	DJI	100.0
27	Dominica 多米尼克	DMA	100.0
28	Egypt, Arab Rep. 埃及	EGY	100.0
29	El Salvador 萨尔瓦多	SLV	100.0
30	Equatorial Guinea 赤道几内亚	GNQ	100.0
31	Eritrea 厄立特里亚	ERI	100.0
32	Eswatini 斯威士兰	SWZ	100.0
33	Ethiopia 埃塞俄比亚	ETH	100.0
34	Gabon 加蓬	GAB	100.0
35	Gambia, The 冈比亚	GMB	100.0
36	Georgia 格鲁吉亚	GEO	100.0
37	Ghana 加纳	GHA	100.0
38	Grenada 格林纳达	GRD	100.0
39	Guatemala 危地马拉	GTM	100.0
40	Guinea 几内亚	GIN	100.0
41	Guinea-Bissau 几内亚比绍	GNB	100.0
42	Haiti 海地	HTI	100.0
43	Hungary 匈牙利	HUN	100.0
44	India 印度	IND	100.0
45	Iran, Islamic Rep. 伊朗	IRN	100.0
46	Iraq 伊拉克	IRQ	100.0
47	Israel 以色列	ISR	100.0
48	Jordan 约旦	JOR	100.0
49	Kenya 肯尼亚	KEN	100.0
50	Korea, Dem. People's Rep. 朝鲜	PRK	100.0
51	Korea, Rep. 韩国	KOR	100.0
52	Kuwait 科威特	KWT	100.0
53	Lao PDR 老挝	LAO	100.0
54	Lebanon 黎巴嫩	LBN	100.0
55	Lesotho 莱索托	LSO	100.0
56	Liberia 利比里亚	LBR	100.0
57	Libya 利比亚	LBY	100.0
58	Madagascar 马达加斯加	MDG	100.0
59	Malawi 马拉维	MWI	100.0
60	Mali 马里	MLI	100.0
61	Malta 马耳他	MLT	100.0
62	Mauritania 毛里塔尼亚	MRT	100.0
63	Mauritius 毛里求斯	MUS	100.0
64	Moldova 摩尔多瓦	MDA	100.0
65	Montenegro 黑山	MNE	100.0
66	Morocco 摩洛哥	MAR	100.0
67	Mozambique 莫桑比克	MOZ	100.0
68	Myanmar 缅甸	MMR	100.0
69	Namibia 纳米比亚	NAM	100.0
70	Nepal 尼泊尔	NPL	100.0
71	Niger 尼日尔	NER	100.0
72	Nigeria 尼日利亚	NGA	100.0
73	North Macedonia 北马其顿	MKD	100.0
74	Oman 阿曼	OMN	100.0
75	Pakistan 巴基斯坦	PAK	100.0
76	Qatar 卡塔尔	QAT	100.0
77	Rwanda 卢旺达	RWA	100.0
78	Sao Tome and Principe 圣多美和普林西比	STP	100.0
79	Saudi Arabia 沙特阿拉伯	SAU	100.0
80	Senegal 塞内加尔	SEN	100.0
81	Serbia 塞尔维亚	SRB	100.0
82	Seychelles 塞舌尔	SYC	100.0
83	Sierra Leone 塞拉利昂	SLE	100.0
84	Singapore 新加坡	SGP	100.0
85	Slovak Republic 斯洛伐克	SVK	100.0
86	Somalia, Fed. Rep. 索马里	SOM	100.0
87	South Africa 南非	ZAF	100.0
88	South Sudan 南苏丹	SSD	100.0
89	St. Lucia 圣卢西亚	LCA	100.0
90	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	100.0
91	Sudan 苏丹	SDN	100.0
92	Suriname 苏里南	SUR	100.0
93	Syrian Arab Republic 叙利亚	SYR	100.0
94	Tajikistan 塔吉克斯坦	TJK	100.0
95	Tanzania 坦桑尼亚	TZA	100.0
96	Thailand 泰国	THA	100.0
97	Timor-Leste 东帝汶	TLS	100.0
98	Togo 多哥	TGO	100.0
99	Tunisia 突尼斯	TUN	100.0
100	Turkiye 土耳其	TUR	100.0
101	Turkmenistan 土库曼斯坦	TKM	100.0
102	Uganda 乌干达	UGA	100.0
103	Ukraine 乌克兰	UKR	100.0
104	United Arab Emirates 阿联酋	ARE	100.0
105	Uzbekistan 乌兹别克斯坦	UZB	100.0
106	Viet Nam 越南	VNM	100.0
107	West Bank and Gaza 约旦河西岸和加沙	PSE	100.0
108	Yemen, Rep. 也门	YEM	100.0
109	Zambia 赞比亚	ZMB	100.0
110	Zimbabwe 津巴布韦	ZWE	100.0
111	Cuba 古巴	CUB	100.0
112	Albania 阿尔巴尼亚	ALB	100.0
113	Jamaica 牙买加	JAM	100.0
114	Greece 希腊	GRC	100.0
115	Samoa 萨摩亚	WSM	100.0
116	Bahamas, The 巴哈马	BHS	100.0
117	Vanuatu 瓦努阿图	VUT	100.0
118	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	100.0
119	Kiribati 基里巴斯	KIR	100.0
120	Marshall Islands 马绍尔群岛	MHL	100.0
121	Bolivia 玻利维亚	BOL	100.0
122	China 中国	CHN	100.0
123	Papua New Guinea 巴布亚新几内亚	PNG	100.0
124	Guyana 圭亚那	GUY	100.0
125	Honduras 洪都拉斯	HND	100.0
126	Poland 波兰	POL	100.0
127	Peru 秘鲁	PER	100.0
128	Bosnia and Herzegovina 波黑	BIH	100.0
129	Venezuela, RB 委内瑞拉	VEN	99.9
130	Belarus 白俄罗斯	BLR	99.9
131	Solomon Islands 所罗门群岛	SLB	99.9
132	Dominican Republic 多米尼加共和国	DOM	99.9
133	Nicaragua 尼加拉瓜	NIC	99.9
134	Bulgaria 保加利亚	BGR	99.9
135	Tonga 汤加	TON	99.8
136	Croatia 克罗地亚	HRV	99.8
137	Costa Rica 哥斯达黎加	CRI	99.7
138	Czechia 捷克	CZE	99.7
139	Mexico 墨西哥	MEX	99.7
140	Netherlands 荷兰	NLD	99.6
141	Slovenia 斯洛文尼亚	SVN	99.5
142	Paraguay 巴拉圭	PRY	99.1
143	Ecuador 厄瓜多尔	ECU	98.3
144	Romania 罗马尼亚	ROU	98.0
145	Chile 智利	CHL	97.7
146	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	97.4
147	Mongolia 蒙古	MNG	97.0
148	Philippines 菲律宾	PHL	96.4
149	Lithuania 立陶宛	LTU	96.0
150	Indonesia 印度尼西亚	IDN	95.6
151	Italy 意大利	ITA	94.8
152	Argentina 阿根廷	ARG	93.9
153	Colombia 哥伦比亚	COL	92.1
154	Belgium 比利时	BEL	91.9
155	Russian Federation 俄罗斯	RUS	91.6
156	Malaysia 马来西亚	MYS	90.5
157	Germany 德国	DEU	89.2
158	Latvia 拉脱维亚	LVA	89.0
159	Kazakhstan 哈萨克斯坦	KAZ	87.4
160	Austria 奥地利	AUT	85.1
161	Fiji 斐济	FJI	82.8
162	France 法国	FRA	78.2
163	Japan 日本	JPN	76.8
164	Panama 巴拿马	PAN	71.6
165	Luxembourg 卢森堡	LUX	68.8
166	Brazil 巴西	BRA	68.1
167	United Kingdom 英国	GBR	66.5
168	Denmark 丹麦	DNK	56.9
169	Switzerland 瑞士	CHE	49.3
170	Sri Lanka 斯里兰卡	LKA	45.5
171	Spain 西班牙	ESP	41.1
172	Australia 澳大利亚	AUS	24.9
173	Uruguay 乌拉圭	URY	22.4
174	Andorra 安道尔	AND	17.8
175	Portugal 葡萄牙	PRT	16.0
176	Iceland 冰岛	ISL	10.3
177	Sweden 瑞典	SWE	3.64
178	United States 美国	USA	3.34
179	Norway 挪威	NOR	2.04
180	Ireland 爱尔兰	IRL	0.27
181	Brunei Darussalam 文莱	BRN	0.00
182	Canada 加拿大	CAN	0.00
183	Estonia 爱沙尼亚	EST	0.00
184	Finland 芬兰	FIN	0.00
185	Maldives 马尔代夫	MDV	0.00
186	New Zealand 新西兰	NZL	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

暴露于超标PM2.5浓度的人口比例越高，意味着更大比例的人口面临呼吸系统疾病、心血管疾病等健康风险增加的环境

数值较低通常意味着什么

暴露于超标PM2.5浓度的人口比例越低，意味着更多人口生活在空气质量相对较好的地区，健康风险相对较小

鍙ｅ緞闄愬埗

中国等高污染国家该指标长期接近100%，比例变化极度有限，难以敏感反映空气质量改善成效
该指标为比例结构而非绝对数量，掩盖了污染地区实际人口规模差异
不同国家监测方法、数据质量和覆盖范围存在差异，跨国可比性受限
年均浓度指标未充分反映短期峰值暴露的健康影响差异
人口居住地与监测点空间分布可能存在错配
城市与农村地区的暴露差异可能被总体比例掩盖
部分低收入国家可能存在数据缺失或估算偏差

使用建议

结合EN.ATM.PM25.MC.M3（PM2.5年均暴露浓度）分析，了解污染程度的实际变化
结合人口总数和城镇化率，评估暴露人口绝对规模的变化
比较城市与农村分项数据，识别空气质量管理政策的区域差异效果
结合能源消费结构、产业结构等变量，分析污染来源与暴露水平的关联
关注WHO中间目标值（IT1、IT2、IT3）的达成情况，而非仅看指南值
将时间序列分析与政策实施节点对照，评估政策干预效果
与其他排放指标（如EN.GHG.CO2.MT.CE.AR5）联合使用，构建更全面的环境评估框架
注意区分现价与不变价数据，避免与购买力指标混淆

常见错误用法

错误做法：直接比较中国与其他国家该指标的数值高低来判断空气质量治理成效

正确做法：结合PM2.5绝对浓度（EN.ATM.PM25.MC.M3）和人均排放强度等指标综合评估

中国该指标长期接近100%，比例指标已饱和，无法敏感反映实际改善幅度，直接比较数值高低会产生误导性结论

错误做法：将该指标的变化解释为中国空气质量恶化了

正确做法：应理解为该指标在高饱和状态下变化空间极小，不代表空气质量实际走向

该指标下降0.0017个百分点并不意味着空气质量恶化，可能仅反映统计口径微调或数据精度变化，需结合浓度绝对值判断

错误做法：将该比例指标与现价美元GDP等规模指标直接比较增长倍数

正确做法：该指标为百分比比例，倍数变化反映的是比例结构变化而非绝对规模变化

将0.99998倍的极小变化率解读为显著恶化或改善都是不恰当的，且与经济规模指标比较缺乏科学基础

错误做法：将WHO指南值误解为“安全阈值”，认为达到该指南值以下就不会有健康风险

正确做法：应理解为WHO指南值是基于健康风险观察的临界下限，低于该值仍可能存在健康影响

10微克/立方米是WHO建议的浓度下限，在此浓度以下观察到不良健康效应的概率较低，但并非绝对安全阈值

实际应用场景

空气污染健康负担归因分析：评估PM2.5暴露对特定人群呼吸系统疾病发病率的边际影响核心解释变量该指标可作为暴露程度的代理变量，但需注意结合个体时间活动模式数据校正暴露误差
能源转型政策的环境效益评估：比较不同能源结构国家的PM2.5暴露变化差异被解释变量使用时建议控制经济发展水平、人口密度、监测网络密度等混淆因素，采用双重差分或合成控制方法
城镇化进程与空气质量关系的稳健性检验：在已有主回归基础上加入该指标验证结论稳健性稳健性检验变量该指标与城镇化率可能存在内生性关系，需采用工具变量或滞后项处理
发展中国家与发达国家空气质量改善路径比较：将样本按收入水平分组后比较该指标的跨国差异比较分析变量需注意不同发展阶段国家的监测数据质量和覆盖范围差异对比较结果的潜在影响
环境政策实施效果的政策机制研究：将空气污染防治行动计划作为政策冲击，检验该指标对政策实施力度的敏感性机制检验变量可结合污染物排放强度指标构建中介效应模型，检验政策通过何种路径影响暴露水平

PM2.5空气污染，人口暴露于超出WHO指南值水平（占总人口百分比）常见问题

为什么中国100%的人都在呼吸脏空气，这个数据是真的吗

该指标显示中国几乎100%人口生活在年均PM2.5超过WHO指南值10微克/立方米的地区，这是基于监测数据计算的结果，反映了中国大气污染问题的严峻性。但需注意该指标为比例结构，无法反映PM2.5浓度的实际下降幅度；结合绝对浓度数据才能更准确评估空气质量变化趋势。

中国空气质量到底有没有改善，怎么看不出来

该指标在中国变化极小（约0.002个百分点）主要因为长期处于100%饱和状态，比例指标无法敏感捕捉改善。但结合PM2.5年均浓度数据，中国近年来空气质量确实有所改善。该比例指标的微小变化不代表没有改善，而是统计口径的限制。

为什么有些国家数据是100%，有些国家不是

该指标反映的是暴露于超标PM2.5地区的人口比例。受工业化程度、能源结构、地理条件、监测网络覆盖等多重因素影响，不同国家空气质量差异显著。部分国家达到100%说明其绝大多数人口生活在超过WHO指南值的环境中，并非数据异常。

WHO的PM2.5指南值10微克/立方米是什么意思，比中国标准严格吗

WHO指南值10微克/立方米是基于健康风险观察的浓度下限，长期暴露于此水平以上会增加呼吸系统疾病等健康风险。中国现行PM2.5标准较此指南值宽松。随着科学发展和健康证据积累，各国标准可能进一步趋严。

这个数据可以用来比较不同国家的空气质量好坏吗

可以初步比较，但需谨慎。该指标受监测网络密度、数据质量、人口分布特征等影响，跨国可比性存在局限。建议结合PM2.5绝对浓度、人均排放量等多维指标综合评估各国空气质量状况。

农村和城市人口的PM2.5暴露有差异吗

一般而言，城市工业区和交通主干道附近PM2.5浓度较高，但城市人群通常也受益于更好的医疗条件和健康意识。该指标为全国汇总数据，掩盖了城乡内部差异；具体分析时建议获取分城乡数据或结合人口密度分布综合判断。

下载数据

免费获取世界银行WDI完整数据集，包含PM2.5空气污染，人口暴露于超出WHO指南值水平（占总人口百分比）等所有指标，支持按国家、指标或主题下载CSV、Excel和XML格式数据。

下载数据

PM2.5空气污染，人口暴露于超出WHO指南值水平（占总人口百分比）

指标解释

World Bank official description / 世界银行官方说明

数据口径与风险提示

中国趋势

全球趋势

每十年变化摘要

2017 年全部国家排名

使用建议、常见误用与研究场景

数值较高通常意味着什么

数值较低通常意味着什么

鍙ｅ緞闄愬埗

使用建议

常见错误用法

实际应用场景

相关变量组合

PM2.5空气污染，人口暴露于超出WHO指南值水平（占总人口百分比）常见问题

为什么中国100%的人都在呼吸脏空气，这个数据是真的吗

中国空气质量到底有没有改善，怎么看不出来

为什么有些国家数据是100%，有些国家不是

WHO的PM2.5指南值10微克/立方米是什么意思，比中国标准严格吗

这个数据可以用来比较不同国家的空气质量好坏吗

农村和城市人口的PM2.5暴露有差异吗

下载数据